【專欄】演算法優先的AI效率革命

楊聰榮
【專欄】演算法優先的AI效率革命
【專欄】演算法優先的AI效率革命

 

文/楊聰榮（中台灣教授協會理事長，任教於台灣師範大學）

在人工智慧（AI）領域，傳統觀念長期以來認為「更多資源等於更好的成果」，這導致企業競逐更強大的運算硬體、更龐大的數據、更複雜的模型。然而DeepSeek 以一個簡單卻深刻的問題顛覆了這種邏輯：「如果我們能更聰明地做事，而不是投入更多資源呢？」這個問題不僅挑戰了現有的發展模式，更開創了一條全新的道路。這種顛覆性的創新，對於台灣這樣的中小企業驅動型經濟體而言，提供了一個極具價值的學習範例與產業發展機會。筆者有機會參加Phison 的地端AI訓練師的課程，深深感到AI的變革從雲端到地端，從大語言模型到企業專屬語言模型，AI應用遍地開花的時刻已經來臨了。

傳統企業的思維往往傾向於持續優化現有流程、採取資源投入導向，並依賴規模效應來維持競爭力。然而真正的顛覆者則採取不同的視角——他們質疑基本假設、專注於效率導向的創新，並尋求更智慧的解決方案。DeepSeek 正是這樣的顛覆者。他們不拘泥於傳統的資源堆疊模式，而是從效率的角度重新思考 AI 發展的本質，並證明 AI 的未來並非只是算力競爭，而是智慧運用資源的競賽。除了DeepSeek以外，也引發了其他的以演算法為優先的方案，在很短的時間，觸發了不同的方案，開展出新的方向。

知名華裔美籍科學家李飛飛領導的團隊，算是最出名的案例。以低於50美元的雲端運算成本，成功訓練出名為「s1」的人工智慧推理模型。此模型在數學和編碼能力測驗中的表現，據稱媲美OpenAI o1和DeepSeek R1等尖端推理模型。在16塊H100 GPU上監督微調26分鐘，訓練出新模型s1-32B， 取得與OpenAI的o1和DeepSeek的R1等尖端推理模型數學及編碼能力相當的效果，甚至在競賽數學問題上的表現比o1-preview 高出27%。

李飛飛團隊的成就，實際上是利用從Google模型中擷取的1000個樣本來微調通義千問模型。這種微調的成本固然低廉，但優異表現仍有賴於既有模型的基礎。50美元不包含了其他資料、設備、消融實驗等費用。這場由演算法掀起的效率革命正在重構 AI 產業的發展模式，帶來了幾個關鍵影響。首先AI 開發門檻顯著降低，創新成本大幅下降，參與者範圍因此大幅擴大。AI演算法的創新，使 AI 開發不再是大型企業的專利。筆者參加的課程，包含這些案例，顯示這不僅有助於技術的普及，也讓更多中小企業、研究機構甚至個人開發者能夠參與 AI 領域，加速技術的演進。

對於台灣而言，這是一個難得的機會，因為台灣的產業以中小企業為主，這種低門檻、高效率的 AI 模型，使企業能夠在有限資源下有效導入 AI 應用，提升競爭力。隨著 AI 發展模式的轉變，競爭格局也發生劇烈變化。競爭強度急劇提升，傳統 AI 巨頭的優勢不再那麼明顯，創新速度加快，使得市場競爭更加多元化。演算法創新的出現，打破了原有 AI 產業的格局，市場競爭更加開放，給予中小企業與新創團隊更大的機會，以高效能、低資源消耗的 AI 解決方案挑戰傳統 AI 模型。台灣的 AI 產業應當利用這股趨勢，將技術研發與產業應用結合，搶佔國際市場的 AI 垂直應用領域，例如智慧製造、醫療 AI、金融風險管理等。筆者所參加的AI訓練師課程，就涵蓋了不同科系背景的大專院校老師，只要臺灣能持續推廣，就可以讓AI的成果讓不同的專業領域都可以培訓出專屬的AI解決方案。

AI 的資源效率也因此效率革命而得到大幅提升。硬體需求降低，使 AI 訓練與應用的成本下降，營運開銷隨之減少，讓更多企業能夠負擔 AI 導入所需的資源。連輝達都推出低價AI筆電，黃仁勳在拉斯維加斯消費電子展（CES）發表眾所矚目的迷你 AI 超級電腦「Project Digits」，內建 Grace Blackwell GPU 及聯發科的 ARM 架構 CPU「GB10」，每台售價3,000美元，可以用來開發AI模型。台灣雖然在半導體製造方面擁有優勢，但在 AI 軟體與應用開發方面仍有很大的發展空間。藉由導入 這類高效能 AI 架構，台灣企業可以更快速地發展出適用於特定產業的 AI 服務，形成技術優勢，提升全球競爭力。

演算法優先的AI效率革命，為 OpenAI、Anthropic 等傳統 AI 巨頭帶來巨大壓力。他們不得不重新審視自身的發展策略，以應對新的競爭環境。過去以資源堆砌為核心的商業模式，已經難以維持競爭優勢，而轉向效率導向的創新將成為未來的趨勢。台灣的 AI 產業應該借鑒這一趨勢，積極發展以效率優化為核心的 AI 研發策略，並結合本地產業需求，打造專業化的 AI 應用解決方案。

這場變革帶來的重要啟示在於創新思維的重要性。突破傳統思維框架，質疑既有解決方案，尋找效率突破點，成為未來競爭的關鍵。台灣企業若能突破傳統 AI 發展的思維限制，從應用端的需求出發，開發高效能的 AI 解決方案，將能在 AI 市場中占據關鍵地位。AI 產業的競爭，將不再是比拚誰擁有更多 GPU，而是誰能更有效率地運用資源，開發出真正能解決問題的 AI 模型。競爭優勢正在重新定義，企業將從資源優勢轉向效率優勢，從規模效應轉向智慧效應，從資本密集型轉向創新密集型。台灣應該積極發展演算法優化、數據處理、應用導向的 AI 技術，避免陷入單純的算力競爭，而是以精準化、高效率的解決方案打入國際市場。

這場效率革命可能帶來 AI 技術的加速演進、更多元化的創新模式，以及更健康的市場競爭環境。對台灣產業的影響將體現在創新方向從規模擴張轉向效率優化，競爭焦點從硬體算力轉向智慧應用，發展模式從封閉系統轉向開放創新。AI的創新不僅是技術層面的突破，更是思維模式的革命。告訴我們，在 AI 這個過去被科技巨頭壟斷的領域，智慧的創新思維可以撬動整個產業的根基。

這種「以智取勝」的方式，很可能成為未來 AI 發展的新範式。對台灣而言，這是一個重新定位自身 AI 產業角色的關鍵時刻。如果我們能夠掌握這場 AI 民主化的趨勢，從效率與應用角度發展 AI，將能在全球 AI 競爭中占據優勢，推動台灣成為 AI 創新應用的重要基地。在這個技術快速迭代的時代，最終的勝利者不會是資源最多的企業，而是最能夠聰明運用資源的創新者。